基于BP神經網絡模型的中國乳業發展規模預測

馬國巍 佟光霽 李天霄

(東北林業大學，黑龍江哈爾濱150040)

基于BP神經網絡模型的中國乳業發展規模預測

馬國巍 佟光霽 李天霄

(東北林業大學，黑龍江哈爾濱150040)

文章簡要分析了BP神經網絡的結構和學習過程，然后以1978－2009年的中國乳業規模發展數據為基礎，以奶牛年末存欄數(千頭)、奶牛養殖業產值、畜牧業總產值等三個變量作為輸入、中國奶牛產量作為輸出，采用MATLAB2009a中的BP神經網絡工具箱構建了基于BP神經網絡的中國乳業發展規模預測模型。研究結果表明:未來十年中國原奶產量將大幅度增長，乳業規模將迅速擴大，原料奶生產無組織管理已不適應乳業經濟的迅猛發展，“十二五”期間必須轉變原料奶總量的增長方式。研究成果對于奶牛養殖業管理部門、養殖業者科學合理地規劃奶牛養殖規模具有重要的參考價值。

BP神經網絡;中國乳業;發展規模;MATLAB

人工神經網絡是最近幾十年新興的交義性學科，也是國際上研究異常活躍的領域之一。其中BP模型是應用較為`廣泛的一種人工神經網絡，具有自學反饋能力，采用多個節點的輸入層、隱層和多個或1個輸出的輸出層組成，每個節點為1個單獨的神經元。BP神經網絡通常采用基于BP神經元的多層前向神經網絡的結構形式。從結構上看，一個典型的BP網絡通常有輸入層節點、一個或多個隱含層節點、一個輸出層節點構成，其學習過程為，首先把樣本信號輸入到網絡中，由網絡第一個隱含層開始逐層地進行計算，并向下一層傳遞，直至輸出層，其間每一層神經元只影響到下一層神經元的狀態。然后，以其輸出與樣本的期望輸出進行比較，如果誤差不能滿足要求，則沿著原來的連接通路逐層返回，并利用兩者的誤差按照相應的原則對各層節點的連接權值進行調整，使誤差逐步減小，直到滿足精度要求時為止。

一 資料來源及模型參數確定

1.資料來源

1987年以來，中國乳業規模迅速發展、壯大，主要表現為奶牛數量和牛奶產量的增加。影響我國原奶生產的主要因素包括價格因素、生產方式等。本文以奶牛年末存欄數作為參數，結合乳業發展的影響因素和中國乳品市場發展的特點，建立中國乳業發展模型。具體分析如下:

采用全國 1978—2009年的統計資料(見表1)，采用MATLAB2009a中的神經網絡工具箱函數，建立中國乳業發展規模的BP神經網絡模型。其中:1998—2007年的統計資料作為模型的輸入，2008—2009年的統計資料作為預留檢驗，對中國乳業發展規模進行模擬和預測。

2.模型結構確定

本文選擇了影響中國乳業發展規模的奶牛年末存欄數(千頭)、奶牛養殖業產值、畜牧業總產值等三個變量，因此輸入樣本為該三個影響因子，中國奶牛產量作為輸出。根據前述內容，本文中國乳業發展規模預測的BP神經網絡輸入層節點數為3個，輸出層節點數為1個，隱含層數為1層(8)，經過網絡試算，當隱含層節點數ni=6時，網絡性能最佳，因此，本節設計的BP神經網絡的拓撲結構為3:6:1。

二、中國乳業發展規模BP神經網絡預測模型建立

采用MATLAB2009a神經網絡工具箱newff函數生成BP網絡，結果表明:當輸入－隱層為tansig函數、隱層－輸出層為線性函數(purelin)時效果最好。采用newff默認的L－M BP算法(trainlm)和帶有動量項的BP算法(learngdm)作為訓練函數和學習規則函數，誤差函數為mse(9)。

采用MATLAB2009a神經網絡工具箱中train函數和sim函數對所建立的中國乳業發展規模BP神經網絡進行訓練和仿真。利用1998—2007年的中國乳業發展規模標準化數據做為訓練樣本，經過編程計算可知，訓練9次，誤差趨于穩定。

三、模型擬合及精度檢驗

精度檢驗包括模型的擬合效果和試報效果檢查。采用所建立的BP神經網絡模型的仿真數據進行擬合效果檢驗。通過計算可知擬合效果評價指標后驗差比值C=0.0724，小誤差頻率P=1，相對均方誤差指標E1=0，擬合準確率E2=1，達到一級標準(10)說明模型的擬合效果精度很高。

采用未參加建模的2008—2009年的奶牛產量序列進行試報效果檢驗，通過計算可知試報效果指標E3=100%，說明模型的試報效果非常好，可以對中國乳業未來發展規模進行預測。

四、預測結果

1.奶牛年末存欄數預測

根據1978—2009年中國奶牛年末存欄數資料，采用MATLAB2009a編程建立以年份x為自變量的中國奶牛年末存欄數三次多項式預測模型如下:

其相關系數R2=0.9564，可以用于預測奶牛年末存數未來發展趨勢。采用上式對中國2010—2020年奶牛年末存欄數進行預測，見表2。

表2 中國2010－2020年奶牛年末存欄數預測值

2.畜牧業總產值預測

根據1978—2009年中國畜牧業總產值資料，采用MATLAB7.1編程建立以年份x為自變量的中國畜牧業總產值指數預測模型如下:

其相關系數R2=0.9 796，可以用于預測中國畜牧業總產值未來發展趨勢。采用上式對中國2010—2020年畜牧業總產值進行預測，預測結果見表3。

表3 中國2010－2020年畜牧業總產值預測值

3.奶牛養殖業產值預測

根據1998—2009年中國奶牛養殖業產值資料，采用MATLAB2009a編程建立以年份x為自變量的中國奶牛養殖業產值指數預測模型如下:

y= － 0.1 882x3+9.2 834x2+1.5 684x+68.774 R2=0.9 931

其相關系數R2=0.9 931，可以用于預測中國奶牛養殖業產值未來發展趨勢。采用上式對中國2010—2020年奶牛養殖業產值進行預測，預測結果見表4。

表4 中國2010－2020年奶牛養殖業產值預測值

4.牛奶產量預測

采用前述所建立的網絡結構，結合所預測的2010—2020年的奶牛年末存欄數、奶牛養殖業產值、畜牧業總產值，將其作為BP神經網絡的輸入，對牛奶產量進行預測，結果見表5。

表5 中國2010－2020年牛奶產量預測值

中國乳業發展規模預測指明，2010—2020年十多年間，中國乳業將迅速發展。奶牛年末存欄數預測表明，2010—2020年期間，奶牛年末存欄數將由2010年的1 498.6萬頭增長至2020年的3 182.5萬頭，年存欄數由2011比2010年增加127.1萬頭，到 2020比 2019年的增加 213.3萬頭，年平均增加168.4萬頭，存欄數年平均增長率為 7.82% 。

牛奶產量預測表明，2010年—2020年，牛奶產量將由2010年的4 506.5萬噸，增加到2020年的12 842.5萬噸，平均年增長量833.6萬噸，平均年增長率為11.14% 。

奶牛養殖業總產值預測表明，2010—2020年期間，奶牛養殖業總產值由2010年的1 244.6億元增加到2020年的2 725.9億元，年平均增加值為148.7億元，總產值年平均增長率為8.18%。

畜牧業總產值預測表明，2010—2020年，畜牧業總產值由2010年的28 045億元逐年穩步增加到59 219億元，年平均增加值為3 469.6億元，畜牧業總產值年平均增長率為8.44%。

由預測可知，未來十年中國原奶產量將大幅度增長，乳業規模將迅速擴大，這不僅是中國經濟高速發展的結果，也是隨著改革開放和市場經濟的深入發展，乳業制度變遷的結果;反過來，乳業規模的擴大，進一步促進了乳業的分工和專業化。原料奶生產無組織管理已不適應乳業經濟的迅猛發展，“十二五”期間必須轉變原料奶總量的增長方式。

［1］付強.數據處理方法及其農業應用［M］.北京:科學出版社，2005:66～88.

［2］劉仁濤，付強，馮艷，等.基于RAGA的灰色BP神經網絡預測模型及其對三江平原地下水埋深的動態預測［J］.系統工程理論與實踐，2008，(5):171～176.

［3］Hunter A.Feature selection using probabilistic neural networks［J］. Neural Computing ＆ Applications，2000，9:124～132.

［4］Rumelhart D E，et al.Learning representation by BP errors［J］.Nature(London)，1986，(7):64 ～70.

［5］NG S C，Cheung C C，Leung S H.Fast convergence for back－propagation network with magnified gradient function［J］.IEEE，2003，9(3):1903～1908.

［6］朱信凱.2008－2020年我國奶類供給與需求預測研究［J］.中國乳業，2008，(5):2～7.

［7］劉成果.中國奶業年鑒(2009)［M］.北京:中國農業出版社.2009:52～69.

The Prediction of Chinese Dairy Industry Development Scale Basing the BP Neural Network

Ma GuoweiTong GuangjiLi Tianxiao
(Northeast Forestry University，Harbin，Heilongjiang 150040)

This article briefly analyzes BP Neural Network’s structure and its learning process，and then takes the quality of dairy herds at the end of the year，the value of dairy cow industry and total value of livestock industry as three input variables，dairy cow milk output in China as output，with the data of Chinese Dairy Industry scale from 1978 to 2009 as the base;it creates a model to predict Chinese dairy industry development scale upon BP Neural Network with the using of BP Neural Network tool box form MATLAB2009a.The research result shows that in the following 10 years Chinese raw milk output will increase heavily and dairy industry scale will expand rapidly，which requires more than non － organized raw milk production management.During“the 12th 5－year－plan”period，the increasing way of raw milk production must be changed.The result is of important reference for cow farming management department and cow farmers to plan and control cow farming scale.

BP Neural Network，Chinese dairy industry，development scale，MATLAB

F326

A

1672-3805(2011)06-0074-04

2011－09－26

馬國巍(1977－)，男，黑龍江哈爾濱人，東北農業大學經濟管理學院實驗中心講師，東北林業大學在讀博士;研究方向:農業政策法規